“新”在“新智”知识生产力

2020年5月，OpenAI发布了1750亿参数量的GPT-3大语言模型，标志着全球AI 2.0时代的到来。与AI 1.0的“旧智”时代相比，AI 2.0时代涌现出的“新智”完全以实现通用智能为目标。与“大企业抢占头部高频场景市场、创业企业深入腰部细分场景领域”的分散式格局不同，如今，具有世界领先能力的大模型科研团队的出现，让整个产业似乎步入了“强者恒强”的局面。而结果不仅仅是产业链“链主”格局发生改变，甚至形成了（所拥有的）大模型的领先程度决定（国家间）科技创新力竞争优势的关系。

具体来说，这样的变化在三个层面都引发了相应的变革（见图1-2）。

图1-2　AI 1.0时代与AI 2.0时代的对比

模型层：从解决单一场景、单一问题的专有模型，升级为能够解决通用问题并具有大规模参数和复杂计算结构的机器学习模型，即从10亿以下的参数量猛增到千亿、万亿以上的参数量。近年来，大语言模型也在进一步朝多模态大模型发展。

业务应用层：AI 1.0时代，模型为应用解决单点问题，由应用承载大量业务逻辑；而AI 2.0时代，应用开始“模型化”，“基础模型+轻量级前端交互页面”成为一种创新模式。例如ChatGPT就没有复杂的应用开发，模拟即服务、模型即应用，大量应用逻辑都已经融入模型训练中，通过提示词训练行业大模型应用，简称“提示工程”。由此出现辅助办公、辅助编程、虚拟人社交、辅助营销、辅助媒体写作等垂直领域模型。

基础设施层：AI 1.0时代以中央处理器（Central Processing Unit，CPU）为主，以图形处理单元（Graphics Processing Unit，GPU）为辅的云计算服务基础设施在存储、网络、（并行）计算能力方面都没有针对AI训练和推理进行提速改良。而伴随大参数量模型的研发需求激增，高性能数据中心应运而生。AI计算中心成为更高效、更快速、更便捷地训练大模型必不可少的“新基建”，这体现了计算基础设施每10～15年升级一代的周期性规律。